Technologie : Une Réflexion sur la Surveillance au Travail
Les avancées technologiques récentes en matière d’extraction et de traitement des données suscitent des inquiétudes croissantes concernant la diminution de la vie privée au sein des environnements professionnels. Pour de nombreux travailleurs à faible revenu et issus de minorités raciales aux États-Unis, la collecte de données sur le lieu de travail et les systèmes de prise de décision algorithmique ont un impact plus profond et souvent négligé : ces technologies transforment fondamentalement l’expérience du travail, compromettant ainsi la stabilité économique et la mobilité professionnelle. Cet article s’appuie sur une étude ethnographique novatrice menée sur plusieurs années, axée sur l’organisation des travailleurs à la demande, pour examiner la rupture historique dans le calcul, la coordination et la distribution des salaires, résultant de la logique du capitalisme informationnel : l’utilisation de données granulaires pour générer des rémunérations horaires imprévisibles, variables et personnalisées.
Nous proposons un cadre inédit basé sur les expériences des travailleurs pour comprendre l’émergence des pratiques de rémunération variable numérisée, ou l’importation de la discrimination tarifaire du contexte de consommation vers le contexte du travail, que nous désignons comme discrimination salariale algorithmique. À travers différentes entreprises, les pratiques opaques qui caractérisent cette discrimination soulèvent des questions fondamentales sur la nature changeante du travail et sa régulation. Qu’est-ce qui rend la rémunération équitable dans le travail de plateforme ? Comment la discrimination salariale algorithmique influence-t-elle l’expérience professionnelle ? Et comment la législation devrait-elle intervenir en cette période de rupture ? La discrimination salariale algorithmique contredit à la fois les précédents établis en matière d’équité dans la fixation des salaires et l’esprit des lois sur l’égalité de rémunération pour un travail égal. Pour les travailleurs, ces pratiques engendrent des attentes morales troublantes concernant le travail et la rémunération. Nous proposons une restriction non négociable sur ces pratiques.
Introduction à la Surveillance Technologique
Au cours des vingt dernières années, les avancées technologiques ont entraîné des niveaux extrêmes de surveillance et de contrôle au travail dans de nombreux secteurs. Ces systèmes automatisés enregistrent et quantifient les mouvements ou les activités des travailleurs, leurs habitudes personnelles et même des informations biométriques sensibles concernant leur stress et leur santé. Les employeurs intègrent ensuite ces ensembles de données sur la vie des travailleurs dans des systèmes d’apprentissage automatique pour prendre des décisions d’embauche, influencer les comportements, accroître la productivité, anticiper d’éventuels problèmes en milieu de travail (y compris l’organisation des travailleurs) et, comme cet article le souligne, déterminer la rémunération des employés.
À ce jour, les préoccupations politiques concernant la surveillance technologique croissante au travail ont largement reflété les craintes exprimées par les défenseurs des consommateurs. Des chercheurs et des défenseurs ont soulevé des inquiétudes quant aux limitations croissantes de la vie privée et de l’autonomie des travailleurs, au risque de discrimination à l’échelle sociétale qui pourrait s’infiltrer dans les systèmes d’apprentissage automatique, ainsi qu’à un manque général de transparence concernant les règles en milieu de travail. Par exemple, en octobre 2022, le Bureau de la science et de la technologie de la Maison Blanche a publié un manuel non contraignant identifiant cinq principes devant guider la conception, l’utilisation et le déploiement des systèmes automatisés pour protéger le public américain à l’ère de l’intelligence artificielle.
Les chercheurs en droit du travail, Antonio Aloisi et Valerio De Stefano, ont soutenu de manière convaincante dans une revue exhaustive de la technologie, du droit et du travail que les préoccupations concernant la prétendue « disparition du travail » face à l’intelligence algorithmique sont moins urgentes que les nombreux défis soulevés par les pratiques émergentes de gestion algorithmique au travail. Ces pratiques naissantes, affirment-ils, ont intensifié divers problèmes, notamment la dévaluation du travail, la mauvaise répartition des risques et des privilèges, la santé et la sécurité des travailleurs, l’atteinte à la dignité, et bien sûr, la destruction de la vie privée individuelle et collective des travailleurs.
Les Droits des Travailleurs à l’Ère de l’Intelligence Artificielle
Introduction aux Principes de l’Intelligence Artificielle
Le document intitulé Blueprint for an AI Bill of Rights a établi des principes fondamentaux pour l’utilisation des systèmes automatisés. Ces principes visent à garantir que ces technologies soient (1) sûres et efficaces, (2) qu’elles protègent les individus contre la discrimination, (3) qu’elles offrent aux utilisateurs un contrôle sur l’utilisation de leurs données, (4) qu’elles informent les utilisateurs de l’utilisation d’un système automatisé, et (5) qu’elles permettent aux utilisateurs d’accéder à une personne capable de résoudre les problèmes rencontrés.
Exemples Illustratifs des Risques
Le Blueprint fournit des exemples concrets des dangers que ces principes cherchent à prévenir. Un cas notable concerne une entreprise qui a installé des caméras alimentées par l’IA dans ses véhicules de livraison pour surveiller les habitudes de conduite des employés, prétendument pour des raisons de sécurité. Cependant, ce système a pénalisé à tort les conducteurs lorsque d’autres véhicules les ont coupés, entraînant ainsi une inéligibilité injustifiée à des primes.
La Réalité des Relations de Travail
Il est important de noter que l’entreprise mentionnée, Amazon, ne recrute pas directement les livreurs. Au lieu de cela, elle collabore avec des Fournisseurs de Services de Livraison (DSP), qui sont de petites entreprises qu’Amazon aide à établir. Dans ce cadre, Amazon ne fournit pas aux conducteurs de DSP des prestations telles que l’assurance chômage, l’assurance santé ou le droit de s’organiser. De plus, il n’y a aucune garantie de salaire minimum ou de compensation pour les heures supplémentaires.
Les Conséquences de la Classification des Travailleurs
Comme l’explique l’économiste Brian Callaci, les DSP sont légalement responsables des conducteurs, ce qui signifie qu’Amazon n’est pas tenu responsable des accidents ou de la sécurité au travail. Les conducteurs, classés comme sous-traitants d’Amazon, ne bénéficient pas du salaire minimum de 15 dollars de l’heure proposé par l’entreprise. Les contrats d’Amazon avec les DSP limitent également les salaires que ces derniers peuvent offrir et stipulent que les conducteurs doivent rester non syndiqués.
La Structure de Rémunération des Conducteurs
Les DSP reçoivent un taux horaire variable en fonction de la demande et des itinéraires, ainsi que des « primes » basées sur une évaluation numérique de leur performance, incluant des critères tels que la sécurité et la satisfaction client. Les systèmes d’évaluation sont en constante évolution, ce qui complique la situation pour les conducteurs qui tentent d’atteindre des objectifs de performance.
Conclusion
La situation des travailleurs dans le cadre des systèmes automatisés soulève des questions cruciales sur la responsabilité et les droits des employés. Alors que les technologies continuent d’évoluer, il est essentiel de veiller à ce que les droits des travailleurs soient protégés et que les systèmes automatisés ne deviennent pas des outils de discrimination ou d’exploitation.
La Discrimination Salariale Algorithmique : Une Nouvelle Réalité du Travail
Introduction à la Discrimination Salariale Algorithmique
Dans le paysage actuel du travail, la discrimination salariale algorithmique émerge comme une technique de gestion des ressources humaines qui soulève des préoccupations éthiques et économiques. Ce phénomène, qui repose sur des algorithmes sophistiqués, permet aux entreprises de déterminer les salaires des travailleurs en fonction de divers facteurs, souvent sans transparence ni équité.
Les Mécanismes de Contrôle d’Amazon
Les petites entreprises créées et contrôlées par Amazon dépendent fortement des « bonus » automatisés pour couvrir les coûts de soutien, de réparation et de rémunération des conducteurs. Un propriétaire de service de livraison a exprimé son mécontentement en déclarant que ces caméras de surveillance, censées garantir la sécurité des conducteurs, sont en réalité utilisées pour justifier des retenues sur salaire. Cela soulève la question : quel est le véritable impact de ce système automatisé sur les travailleurs ?
Les Conséquences de l’Automatisation
La structure de contrôle d’Amazon et ses mécanismes de paiement illustrent une technique émergente dans le cadre du capitalisme informationnel. Ce dernier, défini par le sociologue Manuel Castells, décrit une transformation des relations économiques, politiques et sociales à l’ère numérique. La discrimination salariale algorithmique, quant à elle, se manifeste par des différences de rémunération pour des tâches similaires, basées sur des données précises concernant le comportement des travailleurs et les conditions du marché.
Les Types de Discrimination Salariale
La discrimination salariale algorithmique peut être classée en deux catégories principales :
-
Analyse de la Productivité : Les salaires sont déterminés uniquement par l’analyse de la productivité, ce qui est courant dans les emplois traditionnels.
-
Données Personnalisées : Les salaires sont influencés par une combinaison de la productivité, de l’offre, de la demande et d’autres données spécifiques à chaque travailleur, souvent observées dans les emplois à la demande.
Ces méthodes de rémunération, rendues possibles par les avancées en matière de cloud computing et d’apprentissage automatique, soulèvent des questions sur l’équité et la transparence.
Les Risques Associés à la Discrimination Algorithmique
Bien que les entreprises aient utilisé des systèmes de rémunération variable depuis longtemps, la discrimination salariale algorithmique présente des défis uniques. Contrairement aux systèmes de paiement variable traditionnels, qui peuvent être plus transparents, la discrimination algorithmique fonctionne de manière similaire à la discrimination tarifaire, où les consommateurs sont facturés en fonction de ce que l’entreprise estime qu’ils sont prêts à payer.
Conclusion : Vers une Réflexion Éthique
La montée de la discrimination salariale algorithmique dans des entreprises comme Amazon et Uber appelle à une réflexion approfondie sur les implications éthiques et sociales de ces pratiques. Alors que le monde du travail continue d’évoluer, il est crucial de garantir que les systèmes de rémunération soient justes, transparents et respectueux des droits des travailleurs.
La Discrimination Algorithmique des Salaires : Une Réflexion sur le Marché du Travail
Introduction à la Discrimination Algorithmique
La discrimination algorithmique des salaires représente un phénomène où les entreprises ajustent les rémunérations des travailleurs de manière personnalisée, souvent sans que ces derniers en aient conscience. Ce système permet aux employeurs de rémunérer les employés en fonction de comportements spécifiques qu’ils souhaitent encourager, parfois pour des montants que le système estime que les travailleurs sont prêts à accepter.
Asymétrie d’Information et Calcul des Salaires
Dans le contexte actuel, une asymétrie d’information existe entre les travailleurs et les entreprises. Les sociétés sont capables de déterminer avec précision les taux de salaire nécessaires pour inciter les comportements souhaités, tandis que les employés ne peuvent qu’émettre des hypothèses sur la manière dont leurs salaires sont fixés. Par exemple, des études récentes montrent que les travailleurs de plateformes comme Uber ont commencé à utiliser le terme « discrimination algorithmique des salaires » pour décrire leurs expériences, révélant des disparités de rémunération pour des courses identiques effectuées simultanément.
Les Défis de la Rémunération Personnalisée
L’exemple de l’application Blueprint illustre comment la discrimination algorithmique peut être « inefficace » et sujette à des erreurs de calcul difficiles à identifier et à corriger. Ce système crée un marché du travail où des individus effectuant le même travail, avec des compétences identiques, pour la même entreprise, peuvent recevoir des rémunérations horaires différentes. Les salaires personnalisés, souvent déterminés par des systèmes complexes et opaques, rendent difficile pour les travailleurs de prévoir ou de comprendre les fluctuations de leur rémunération, qui peuvent souvent être à la baisse.
La Notion d’Économie Enchâssée
En s’appuyant sur la notion d’enchâssement développée par l’anthropologue Karl Polanyi, cet article explore les normes entourant la rémunération qui constituent ce que l’on pourrait considérer comme une économie morale du travail. Polanyi soutenait que les relations sociales sont intégrées dans le système économique, et que pour éviter un « conflit de tous contre tous », une société de marché doit limiter, par le biais de la loi, de la politique et de la morale, les activités légitimes des acteurs économiques motivés par le profit matériel.
Conclusion : Vers une Réévaluation des Normes de Rémunération
La compréhension des dynamiques de la discrimination algorithmique des salaires est essentielle pour aborder les ruptures contemporaines dans les structures de rémunération. En examinant les implications morales et sociales de ces pratiques, il devient possible de repenser les institutions sociales nécessaires pour encadrer les forces du marché et compenser les échecs économiques. Les discussions autour de la rémunération équitable et des droits des travailleurs doivent être au cœur des débats sur l’avenir du travail dans une économie de plus en plus numérisée.
La Réalité du Travail Algorithmique : Une Analyse Éthique et Sociale
Introduction
Le système de travail aux États-Unis, bien qu’il soit principalement régi par des contrats et qu’il accorde une grande importance à la prérogative managériale, présente des lacunes notables. En effet, il ne prend pas en compte les intérêts de la société dans son ensemble. Cette situation soulève des questions éthiques et morales concernant la division sociale du travail et l’impact des technologies sur les conditions de travail.
Les Lois sur les Salaires : Un Cadre Moral
Deux types de lois ont émergé des mouvements sociaux et syndicaux pour encadrer les salaires : les lois sur le salaire minimum et les lois anti-discrimination. Ces lois établissent un seuil minimal pour la rémunération du travail et interdisent la discrimination fondée sur l’identité, garantissant ainsi un salaire égal pour un travail équivalent. Par exemple, la loi sur les normes de travail équitables de 1938 fixe un salaire minimum national et des règles sur les heures supplémentaires, tandis que d’autres lois interdisent la discrimination salariale en fonction de critères protégés tels que le sexe, la race ou l’âge.
Évolution des Normes de Rémunération
Ces lois constituent une base morale essentielle pour la régulation du travail aux États-Unis. Elles ont façonné des attentes culturelles et juridiques en matière d’équité salariale. Dans cette optique, il est crucial d’examiner les récentes législations adoptées en Californie et dans l’État de Washington, qui légalisent la discrimination salariale algorithmique pour certaines entreprises. Ces changements remettent en question plus d’un siècle de normes juridiques et sociales relatives à la rémunération équitable.
Étude de Cas : Les Conducteurs de VTC
Une recherche ethnographique de longue durée a été menée pour explorer l’expérience quotidienne des travailleurs confrontés à la discrimination salariale algorithmique. Cette étude se concentre sur les conducteurs de VTC en Californie, avant et après l’adoption de la Proposition 22, qui a légalisé ce type de rémunération variable. Les résultats montrent que ces travailleurs éprouvent des difficultés à prévoir et à comprendre leurs salaires horaires, ce qui complique leur situation financière.
La Construction Sociale du Sens
La manière dont les travailleurs interprètent leur expérience salariale est influencée par des facteurs sociaux et culturels. Les sociologues et anthropologues s’intéressent à la façon dont les individus donnent sens à leur réalité à travers leurs expériences de travail. Cette construction sociale du sens est essentielle pour comprendre les perceptions des travailleurs sur la justice et l’équité dans leur rémunération.
La Quête de Flexibilité dans le Travail
De nombreux conducteurs sont attirés par le travail à la demande en raison de la promesse de flexibilité qu’il offre, loin des structures rigides du modèle de travail traditionnel. Cependant, ils continuent souvent à envisager leur travail à travers le prisme de la rémunération horaire, ce qui reflète une tension entre la recherche de liberté et les réalités économiques de leur emploi.
Conclusion
L’analyse de la discrimination salariale algorithmique et des expériences des travailleurs met en lumière des enjeux cruciaux concernant l’équité et la justice dans le monde du travail moderne. Alors que les lois évoluent, il est impératif de continuer à examiner les implications éthiques et sociales de ces changements pour garantir un avenir du travail qui respecte les droits et la dignité de tous les travailleurs.
La Dynamique des Salaires dans l’Économie Numérique
Introduction à la Gestion Algorithmique
La gestion des salaires dans le cadre du travail à la demande, souvent orchestrée par des applications, est marquée par un manque de transparence, des pratiques trompeuses et une manipulation systématique. Des études dans les domaines de la sociologie et des communications révèlent que cette gestion algorithmique est souvent perçue comme déloyale et opaque. Par exemple, des recherches ont montré que les plateformes numériques, telles qu’Uber et Lyft, adoptent des méthodes qui peuvent induire en erreur les travailleurs, les plaçant dans des situations précaires.
Les Risques Économiques Associés au Travail à la Demande
Les travailleurs qui dépendent économiquement des emplois à la demande décrivent souvent leur expérience de discrimination salariale algorithmique comme un jeu de hasard. Ce phénomène soulève des préoccupations éthiques majeures. Il est soutenu que les employés, en particulier ceux travaillant pour des entreprises bien établies comme Uber, Lyft et Amazon, ne devraient pas être soumis à des risques financiers similaires à ceux du jeu. En plus des atteintes à leur autonomie et à leur vie privée, la discrimination salariale algorithmique engendre des problèmes significatifs en matière de mobilité, de sécurité et de solidarité des travailleurs, tant sur le lieu de travail qu’en dehors.
Impact Racialisé de la Discrimination Salariale
Il est important de noter que la main-d’œuvre à la demande, souvent soumise à cette discrimination, est majoritairement composée d’immigrés et de travailleurs issus de minorités raciales. Par exemple, aux États-Unis, une étude a révélé que 73 % des employés de Lyft s’identifient comme appartenant à des minorités raciales. De plus, dans la région de la baie de San Francisco, 78 % des conducteurs d’Uber et de Lyft en 2019 étaient des immigrants ou des personnes de couleur, beaucoup d’entre eux comptant sur ces emplois comme principale source de revenus.
Mobilisation des Travailleurs contre la Discrimination
Dans un contexte où les lois sur la protection des données sont de plus en plus mobilisées, les travailleurs et leurs défenseurs cherchent à atténuer les effets néfastes de la discrimination salariale algorithmique. En Californie, par exemple, des travailleurs ont commencé à s’organiser pour faire valoir leurs droits en matière de salaire minimum et de remboursement des frais. En s’inspirant des expériences de leurs homologues au Royaume-Uni, ils ont acquis une compréhension approfondie des lois régissant les données au travail.
Exemples de Lutte Juridique et de Protection des Données
Au Royaume-Uni, un groupe de conducteurs, l’App Drivers & Couriers Union, a réussi à poursuivre Uber pour établir leur statut de travailleurs, ce qui leur a permis de revendiquer des droits liés à leurs données et aux algorithmes qui déterminent leur rémunération. De plus, avec l’entrée en vigueur d’une législation similaire au Règlement Général sur la Protection des Données (RGPD) en Californie en 2023, les conducteurs de cette région sont également en position de revendiquer des droits similaires.
Conclusion
La lutte pour la transparence et l’équité dans la rémunération des travailleurs à la demande est en cours, avec des initiatives visant à créer des « coopératives de données » qui cherchent à clarifier la manière dont les données sont collectées et utilisées. Ces efforts visent à donner aux travailleurs une meilleure compréhension de leurs salaires et à revendiquer la propriété des données générées par leur travail.
La Discrimination Salariale Algorithmique : Un Problème Croissant
Introduction à la Discrimination Salariale Algorithmique
Cet article explore les différentes méthodes pour lutter contre la discrimination salariale algorithmique, tout en soulignant que l’évolution rapide des technologies d’apprentissage automatique et les dynamiques de pouvoir inégales dans le milieu de travail numérisé réduisent l’efficacité de ces efforts. En conséquence, les dommages causés par cette forme de discrimination, tant objectifs que subjectifs, pourraient ne pas être atténués. Plutôt que de se concentrer sur des solutions de transparence, il est proposé d’adopter une interdiction stricte et non négociable de cette pratique.
Un Contexte Élargi
Bien que cet article se concentre sur la discrimination salariale algorithmique dans les secteurs du travail à la demande, où les travailleurs sont souvent considérés comme des « contractuels indépendants » sans protection, son importance dépasse ce cadre. Tant que cette pratique ne viole pas les lois sur le salaire minimum ou l’anti-discrimination, rien dans la législation du travail ne rend cette forme de rémunération variable numérique illégale.
Les Lois Antitrust comme Solution Potentielle
Les lois antitrust pourraient offrir une voie plus prometteuse pour aborder ces pratiques, surtout si les travailleurs sont classés comme indépendants. Par exemple, en 2022, un groupe de conducteurs de VTC a intenté une action en justice contre Uber, alléguant que les structures de paiement de l’entreprise équivalaient à une fixation des prix et enfreignaient les lois anti-fraude de l’État.
Une Nouvelle Norme de Rémunération
Les motivations fondamentales des entreprises de plateformes de travail pour adopter la discrimination salariale algorithmique, telles que le contrôle des travailleurs et l’incertitude salariale, s’appliquent à de nombreuses autres formes d’emploi. Des preuves montrent que cette discrimination a déjà infiltré des secteurs comme la santé et l’ingénierie, affectant la rémunération des agents de santé, des infirmiers et des praticiens infirmiers.
Exemples Concrets de Discrimination
Un exemple pertinent est celui d’une entreprise qui se présente comme « Uber pour les hôpitaux », ayant développé un logiciel d’IA pour la gestion du personnel hospitalier. Ce logiciel utilise des technologies avancées pour attribuer des tâches et évaluer les performances des agents de santé. De plus, IBM Japon a mis en place des systèmes de surveillance numérique pour déterminer les salaires de ses employés, ce qui a suscité des préoccupations parmi les syndicats concernant l’équité de ces évaluations.
Risques de Normalisation
Si cette pratique n’est pas abordée, elle risque de se normaliser dans d’autres secteurs d’emploi, tels que le commerce de détail, la restauration et l’informatique, créant ainsi de nouvelles normes culturelles autour de la rémunération des emplois peu rémunérés. Des études montrent que l’utilisation d’algorithmes de rémunération dans divers secteurs peut influencer les comportements des travailleurs et les normes de compensation.
Conclusion : Un Conflit Émergent
Le secteur du travail à la demande représente donc un terrain crucial pour les futurs conflits concernant les idées morales et politiques sur le travail et les salaires. La nécessité d’une réflexion approfondie et d’une action proactive est essentielle pour éviter que la discrimination salariale algorithmique ne devienne une norme acceptée dans le monde du travail.
